【医学影像】学前基础(团队、资源等)

目录

1、简介

2、资源

1)团队

2)数据集

3D数据集

AutoPET

影像数据集 (341) 

部分公开数据集对应的文章出处总结

全身(11)

头颈部(57)

胸部(53)

腹部(51)

心脏(14)

骨头(16)

内窥镜(35)

眼科(54)

皮肤科(14)

显微成像(36)

多模态数据集 (38)

文本数据集 (24)

3)代码

4)基础

3、医学相关期刊

4、参考


1、简介

在做任何研究之前,都要对领域内大牛团队,相关学习基础进行一定的了解,于是下面是总结了大牛+数据集+代码快速浏览+期刊会议了解

2、资源

1)团队

上海科技大学,沈定刚教授(IDEALab

        研究方向:

### ToothFairy2 数据集概述 ToothFairy2 是一个专注于口腔医学影像分析的数据集,特别适用于牙齿分割和识别任务。该数据集包含了高分辨率的牙科CBCT(锥形束计算机断层扫描)图像以及相应的标注文件[^1]。 ### 获取与下载 为了获取 ToothFairy2 数据集,建议访问原始发布者的 GitHub 页面或其他官方渠道。通常情况下,在项目主页会有详细的下载指南。对于此特定数据集而言,可以从 beamandrew 的 medical-data 仓库中找到链接或直接下载资源。 ### 使用说明 #### 文件结构 解压后,目录可能包含如下几个部分: - `images`:存储原始 CBCT 扫描图片; - `labels` 或 `annotations`: 存储对应于每张图片的手动标记结果; - 文档 (`README.md`) 和许可协议等辅助材料。 #### Python 示例代码加载数据集 ```python import os from PIL import Image import numpy as np def load_data(data_dir='path/to/dataset'): images_folder = os.path.join(data_dir, 'images') labels_folder = os.path.join(data_dir, 'labels') image_files = sorted([os.path.join(images_folder, f) for f in os.listdir(images_folder)]) label_files = sorted([os.path.join(labels_folder, f) for f in os.listdir(labels_folder)]) dataset = [] for img_file, lbl_file in zip(image_files, label_files): with Image.open(img_file) as im: image_array = np.array(im) with open(lbl_file, 'r') as file: label_content = file.read() item = {'image': image_array, 'label': label_content} dataset.append(item) return dataset ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

静静喜欢大白

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值